安静時におけるfMRIの機能的接続性:ビッグデータの前処理パイプラインと形態的データ解析

Resting-State fMRI Functional Connectivity: Big Data Preprocessing Pipelines and Topological Data Analysis
Angkoon Phinyomark, Esther Ibanez-Marcelo, Giovanni Petri
IEEE Transactions on Big Data vol.3, Issue: 4, pp.415-428, Dec. 1, 2017
20180113knakamura

安静時の機能的磁気共鳴イメージング(rfMRI)を使用して,機能的な接続性を測定し,脳ネットワークおよび関連する脳障害および疾患を同定することが可能である.しかし,これらの複雑なネットワークを探索するには,膨大な量のデータが必要である.近年,神経イメージング技術の進歩とrfMRIのユニークな方法論的アプローチにより,Biomedical Big Dataの時代が実現した.本稿では,大規模なデータ共有プロジェクトの進捗状況について議論する.この増加するニューロイメージングデータは,大規模データセットを扱う際の前処理パイプラインと高度な分析テクニックの開発の重要性を大幅に高めた. rfMRIデータに解析メソッドを適用する前に,不要なエフェクトをすべて減らすためのいくつかの前処理ステップを適用する必要がある.最小限の前処理パイプラインを含む,前処理済みrfMRIビッグデータにアクセスするための3つの代替方法が示されており,機能的な接続性を調べるために用いられる方法がいくつか存在する.しかし,ビッグデータの分析には限界があり,そのようなデータを探索するための新しいツールが必要である.我々は,代数的トポロジーに根ざした多数の方法を提案し,まとめてrfMRI機能的接続に対するトポロジカルデータ分析と呼ぶ.また,ビッグデータ分析のためのそれらの特性についても議論する.

fMRI 研究において,マインドフルネスの個人差は,感情想像中の背内前頭前部および扁桃体の反応を予測する.

Individual differences in trait mindfulness predict
dorsomedial prefrontal and amygdala response during
emotional imagery: An fMRI study
Personality and Individual Differences, vol.49, pp.479-484, 2010
2017_0717taimoto

東洋の「マインドフルネス」の概念は,物事への気づきと特定の物事への注意処理を意図している.本研究で
は、健常女性19 人において、マインドフルネス特性の「Observing」の個人差が,感情想像中の背内前頭前皮質
(DMPFC)および左扁桃内のfMRI-BOLD の反応を積極的に予測することを実証した.マインドフルネス特性の
「気づきを伴う行動」は,リラクゼーションイメージの間だけDMPFC の応答を積極的に予測した.

脳内ネットワークのグループを比較するための順列検定フレームワーク

A permutation testing framework to compare groups of brain networks
frontiers in Computational Neuroscience, Vol.7, 171, 2013
20170220 rhagiwara

脳内ネットワーク解析は,過去10年間の神経イメージング研究の最前線に移行した.しかしながら,ネットワー クのグループを統計的に比較する方法は遅れている.これらの比較は,複雑な脳機能のさらなる洞察を得ること, および異なる精神状態や疾患状態にわたってどのように変化するかについてに関心のある研究者に大きな魅力を もたらす.現在の比較アプローチは,ネットワーク固有のとぽトポロジー特性を無視した要約した指標または質量 一変量のノードやエッジベースの比較に依存し,わずかな特徴しか得られず,ネットワークレベルの比較ができな い.複雑な脳機能の正常および異常の変化についてより深い洞察を集めることは,脳内ネットワーク全体に存在 する豊富なデータを利用する方法を必要とする.ここで,個々のネットワークに固有のトポロジカルな機能を組 み込んだネットワークのグループを比較できる順列検定のフレームを提案する.我々はグループの違いが既知の シミュレートされたデータを使用してアプローチを検証する.次に,この方法を fMRI データから得られる機能的 脳内ネットワークに適用する

複雑なブレインネットワークの構造と機能

pdf

Structure and function of complex brain networks
Dialogues in clinical neuroscience, vol.15, no.3, pp.247-262, 2013
増加している理論的で実験的な研究はネットワークの観点から脳の機能の解明に近づいている.ブレインネット
ワークの解析は新たなイメージング手法や,グラフ理論とダイナミックシステムからなる新たなツールの発展に
よって可能となった.本総説ではこれらの理論的進展のいくつかを概観し,構造的・機能的ブレインネットワーク
の構成に関する最近の知見を要約する.構造的コネクトームの研究はいくつかのモジュールあるいはモジュール
間の伝達処理を仲介するハブ領域によって連結されたネットワークコミュニティを明らかにする.近年のネット
ワーク解析はネットワークハブが収集し,分散するシグナル伝達のために中心的に位置されたリッチクラブとよ
ばれる密に結合された集合体を形成することを示している.レスティングとタスクによる神経活動の記録は,明
確な認知領域における機能に寄与するレスティングステイトのネットワークが明らかにされてきている.ネット
ワーク手法は臨床環境においてさらに適用され,脳と精神障害の神経基盤の解明について議論されている.

機能性近赤外分光法におけるヘモグロビン信号の差分時間情報を最適化するための適応型血行動態応答関数

Adaptive Hemodynamic Response Function to Optimize Differential Temporal Information of Hemoglobin Signals in Functional Near-infrared Spectroscopy

機能的近赤外分光法(fNIRS)は最初の人間の脳機能を評価に適用されてからほぼ20年が経った。それが今では広く毎年fNIRS関連の科学文献の100以上の出版物と共通の機能的画像診断法として受け入れられている。しかしながら、fNIRSデータのための普遍的な分析方法が確立されていない。頻繁に言及していないが、fNIRSデータの時間的解析はまた、技術的な課題を提起する:酸素化および脱酸素化ヘモグロビン(ヘモグロビン)の信号がどのように扱われるべきか。fMRIにおいて標準的な血行動態応答関数(HRF)への回帰と一般線形モデル(GLM)への類推で頻繁に使用されてきた。しかし、ヘモグロビンパラメータは必ずしもBOLD信号と同じ挙動に従わない:むしろ、しばしば2つのHb信号のための別の時間プロファイルに遭遇する。ここでは、fNIRSデータの時間的解析のための最適なHRFを見つけるために、適応型の方法を紹介します。タスク中に機能的な活性化データに時間的に最適化されたHRFへの回帰でGLMの応用は、オキシヘモグロビンとデオキシヘモグロビン信号の異なる時間的構造があり、後者がかなり遅れていることを明らかにした。しかしながら、時間的に最適化されたHRFを用いた場合、2つのパラメータは左半球の古典的な言語関連分野の活性化を含む合理的に互換性のある活性化パターンが得られた。これらの結果は、完全に両方のヘモグロビンパラメータの時間情報を利用する適応型HRFへの回帰でGLMの使用の可能性を示唆している。

pdf